Analysis of a large set of color spaces for skin pixel detection in color images

Terrillon, Jean-Christophe; Pilpré, Arnaud; Niwa, Yasumasa; Yamamoto, Kazuhiko

doi:10.1117/12.515148

Cited by 7 publications

(2 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pada penelitian ini, deteksi tangan dilakukan berdasarkan warna kulit. Disamping informasi berdasarkan warna kulit, informasi mengenai batas tepi juga diperlukan [12]. Ekstraksi ciri isyarat tangan dapat dilakukan dengan transformasi wavelet [13].…”

Section: Pendahuluanunclassified

Pengenalan Isyarat Tangan Statis Pada Sistem Isyarat Bahasa Indonesia Berbasis Jaringan Syaraf Tiruan Perambatan Balik

Asriani¹,

Susilawati²

2011

MST

View full text Add to dashboard Cite

AbstrakTujuan utama dari penelitian yang dilakukan adalah melakukan pengenalan pola isyarat tangan statis dalam bahasa Indonesia. Pengenalan pola isyarat tangan statis dalam bentuk citra secara garis besar dilakukan dalam 3 tahapan yang meliputi: 1) Segmentasi bagian citra yang akan dikenali berupa tangan dan wajah, 2) ekstraksi ciri, dan 3) klasifikasi pola. Data citra yang diterapkan ada 15 kelas kata isyarat statis. Segmentasi dilakukan dengan menggunakan filter HSV dengan ambang berdasarkan warna kulit. Ekstraksi ciri dilakukan dengan dekomposisi wavelet Haar filter sampai level 2. Klasifikasi dilakukan dengan menerapkan sistem jaringan syaraf tiruan perambatan balik dengan arsitektur 4096 neuron pada lapisan input, 75 neuron pada lapisan tersembunyi dan 15 neuron pada lapisan output. Sistem diuji dengan menggunakan 225 data validasi dan akurasi yang dicapai adalah 69%. AbstractStatic Hand Gesture Recognition of Indonesian Sign Language System Based on Backpropagation Neural Networks. The main objective of this research is to perform pattern recognition of static hand gesture in Indonesian sign language. Basically, pattern recognition of static hand gesture in the form of image had three phases include: 1) segmentation of the image that will be recognizable form of the hands and face, 2) feature extraction and 3) pattern classification. In this research, we used images data of 15 classes of words static. Segmentation is performed using HSV with a threshold filter based on skin color. Feature extraction performed with the Haar wavelet decomposition filter to level 2. Classification is done by applying the back propagation system of neural network architecture with 4096 neurons in input layer, 75 neurons in hidden layer and 15 neurons in output layer. The system was tested by using 225 data validation and accuracy achieved was 69%.

show abstract

Section: Pendahuluanunclassified

Pengenalan Isyarat Tangan Statis Pada Sistem Isyarat Bahasa Indonesia Berbasis Jaringan Syaraf Tiruan Perambatan Balik

Asriani¹,

Susilawati²

2011

MST

View full text Add to dashboard Cite

show abstract

“…A cor da pele em uma imagem é sensível a vários fatores, tais como, iluminação variável, ajustes de câmera, tipos de pele humana de etnia diferente, e também ao ambiente externo (penteado, óculos e cores de fundo), tornando o problema desafiador. Uma pesquisa abrangente de técnicas de detecção de tons de pele pode ser encontrada nos artigos (KAKUMANU; MAKROGIANNIS; BOURBAKIS, 2007; TERRILLON et al, 2003).…”

Section: Descritor De Pele (Skin)unclassified

Sistema de recomendação de imagens baseado em atenção visual

Melo¹

View full text Add to dashboard Cite

Inicialmente, gostaria de agradecer a Deus por me guiar, iluminar e propiciar uma vida repleta de conquistas e realizações. Agradeço às minhas irmãs e principalmente os meus pais, que sempre me motivaram e mostraram a importância do estudo e da ética. À minha esposa Marilene que cuida da nossa família com muito carinho. Sempre me apoiou e soube lidar com minhas faltas. Aos meus amigos de laboratório da UFU, Emília, Bruno, Crícia, Daniela e Valquíria pelas conversas, diversão e compartilhamento de conhecimento. Também quero agradecer o meu amigo Henrique que me ajudou muito na viagem à Itália para apresentar este trabalho. Aos alunos de iniciação científica, Breno, Bruno e Caroline que foram muito importantes na coleta de dados. Ao secretário da Pós-Graduação, Erisvaldo. Ele me ajudou muito e me deu todo suporte quando eu não podia estar em Uberlândia. À Pós-Graduação e ao CNPq, que possibilitaram a compra do dispositivo que coleta fixações de olhar e também ajudaram financeiramente nas duas viagens para apresentação do nosso trabalho em conferências internacionais. Ao Instituto Federal do Triângulo Mineiro-Campus Uberaba que me proporcionou dedicação exclusiva no doutorado por dois anos e horário especial de trabalho nos outros anos restantes. Agradeço imensamente a professora Dra. Denise Guliato. Trabalhamos juntos por 7 anos, somando mestrado e doutorado, e resumí-la a minha orientadora é muito pouco. A Denise foi e é muito importante para mim não só na condução deste trabalho, mas também como conselheira e amiga. Agradeço a coorientação da professora Dra. Sandra de Amo. Eu pude contar com o apoio da Sandra nos dois anos iniciais do projeto e este apoio foi fundamental para o desenvolvimento desta tese. "As pessoas não sabem o que querem, até mostrarmos a elas." (Steve Jobs)

show abstract